CN115598539A - 一种电池参数辨识方法、系统、电子设备及存储介质 - Google Patents

一种电池参数辨识方法、系统、电子设备及存储介质 Download PDF

Info

Publication number
CN115598539A
CN115598539A CN202211304289.7A CN202211304289A CN115598539A CN 115598539 A CN115598539 A CN 115598539A CN 202211304289 A CN202211304289 A CN 202211304289A CN 115598539 A CN115598539 A CN 115598539A
Authority
CN
China
Prior art keywords
battery
charge
voltage
simulation
discharge
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211304289.7A
Other languages
English (en)
Inventor
廖承林
刘阳阳
王立业
张呈忠
赵鸿煜
王丽芳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Electrical Engineering of CAS
Original Assignee
Institute of Electrical Engineering of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Institute of Electrical Engineering of CAS filed Critical Institute of Electrical Engineering of CAS
Priority to CN202211304289.7A priority Critical patent/CN115598539A/zh
Publication of CN115598539A publication Critical patent/CN115598539A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/385—Arrangements for measuring battery or accumulator variables
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00—Fuel cells; Manufacture thereof
    • H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298—Processes for controlling fuel cells or fuel cell systems
    • H01M8/04305—Modeling, demonstration models of fuel cells, e.g. for training purposes
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00—Fuel cells; Manufacture thereof
    • H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298—Processes for controlling fuel cells or fuel cell systems
    • H01M8/04992—Processes for controlling fuel cells or fuel cell systems characterised by the implementation of mathematical or computational algorithms, e.g. feedback control loops, fuzzy logic, neural networks or artificial intelligence
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • General Chemical & Material Sciences (AREA)
  • Sustainable Development (AREA)
  • Manufacturing & Machinery (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Sustainable Energy (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Secondary Cells (AREA)

Abstract

本发明公开了一种电池参数辨识方法、系统、电子设备及存储介质，涉及电池参数辨识领域，该方法包括：基于电池机理模型，采用仿真软件对电池进行充放电仿真，得到充放电仿真曲线；以电池的仿真开路电压和实际开路电压的均方根误差最小为目标，采用迭代的方法对电池机理模型的参数进行初次辨识；将初次辨识得到的初次解作为电池机理模型的初始值，以电池的充放电仿真电压与实际充放电电压的均方根误差最小为目标，采用迭代的方法对电池机理模型的参数进行再次辨识，得到参数的最优解；参数包括：电池电流、交换电流密度、正电极体积分数和正电极初始浓度。本发明能提高电池机理模型的参数辨识的准确性，缩小电池仿真结果与真实电池的差异性。

Description

一种电池参数辨识方法、系统、电子设备及存储介质
技术领域
本发明涉及电池参数辨识领域，特别是涉及一种电池参数辨识方法、系统、电子设备及存储介质。
背景技术
锂离子电池拥有寿命长、电压高、自放电率低、比能量高、能量密度大等特点，目前普遍应用在电动汽车上。在研究锂离子电池的特性时，运用电池机理模型分析是最常见的方法。然而有些电池研究真实操作时是耗时和危险的，例如锂离子电池内短路研究。日常生活中，导致锂离子电池内短路的因素很多，从锂离子电池安全事故和已有的相关文献来看，机械滥用、过放电、过充电、过电流和过温等因素是触发锂离子电池内短路的主要因素。对于锂离子电池内短路的研究，主要是进行电池性能测试的传统实验方法，例如挤压或针刺等。然而传统的内短路实验方法重复性较差。从已有文献来看，建立锂离子电池诊断和预测算法所需的数据通常是通过对电池做针刺等实验获得，获得故障数据比较单一性、耗时长，并具有安全隐患。运用机理模型仿真方法可解决锂离子电池实验重复性差的问题，在相同的实验条件下，更能提供一致的实验结果。然而锂离子电池仿真结果与真实电池存在较大的差异性。因此，电池机理模型的参数辨识的准确性有待提升。
发明内容
基于此，本发明实施例提供一种电池参数辨识方法、系统、电子设备及存储介质，以提高电池机理模型的参数辨识的准确性，缩小电池仿真结果与真实电池的差异性。
为实现上述目的，本发明提供了如下方案：
一种电池参数辨识方法，包括：
获取电池的仿真开路电压；
搭建电池机理模型；
基于所述电池机理模型，采用仿真软件对电池进行充放电仿真，得到充放电仿真曲线；所述充放电仿真曲线表示所述电池的充放电仿真电压随时间的变化关系；
以所述电池的仿真开路电压和实际开路电压的均方根误差最小为目标，采用迭代的方法对所述电池机理模型的参数进行初次辨识，得到所述参数的初次解；所述参数包括：电池电流、交换电流密度、正电极体积分数和正电极初始浓度；
将所述初次解作为所述电池机理模型的初始值，以所述电池的充放电仿真电压与实际充放电电压的均方根误差最小为目标，采用迭代的方法对所述电池机理模型的参数进行再次辨识，得到所述参数的最优解。
可选地，所述电池机理模型为锂离子电池P2D模型。
可选地，所述仿真软件为comsol软件。
可选地，所述电池的充放电仿真电压与实际充放电电压的均方根误差的计算公式为：
Figure BDA0003905154320000021
其中，S表示充放电仿真电压与实际充放电电压的均方根误差；n表示选取的时间段内充放电电压的采样个数；Ucell(i)表示第i个实际充放电电压，Uout(i)表示第i个充放电仿真电压。
本发明还提供了一种电池参数辨识系统，包括：
仿真开路电压获取模块，用于获取电池的仿真开路电压；
模型搭建模块，用于搭建电池机理模型；
充放电仿真模块，用于基于所述电池机理模型，采用仿真软件对电池进行充放电仿真，得到充放电仿真曲线；所述充放电仿真曲线表示所述电池的充放电仿真电压随时间的变化关系；
第一辨识模块，用于以所述电池的仿真开路电压和实际开路电压的均方根误差最小为目标，采用迭代的方法对所述电池机理模型的参数进行初次辨识，得到所述参数的初次解；所述参数包括：电池电流、交换电流密度、正电极体积分数和正电极初始浓度；
第二辨识模块，用于将所述初次解作为所述电池机理模型的初始值，以所述电池的充放电仿真电压与实际充放电电压的均方根误差最小为目标，采用迭代的方法对所述电池机理模型的参数进行再次辨识，得到所述参数的最优解。
可选地，所述模型搭建模块中的所述电池机理模型为锂离子电池P2D模型。
可选地，所述充放电仿真模块中所述仿真软件为comsol软件。
可选地，所述第二辨识模块中所述电池的充放电仿真电压与实际充放电电压的均方根误差的计算公式为：
Figure BDA0003905154320000031
其中，S表示充放电仿真电压与实际充放电电压的均方根误差；n表示选取的时间段内充放电电压的采样个数；Ucell(i)表示第i个实际充放电电压，Uout(i)表示第i个充放电仿真电压。
本发明还提供了一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述的方法。
本发明还提供了一种计算机存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如上述的方法。
与现有技术相比，本发明的有益效果是：
本发明实施例提出了一种电池参数辨识方法、系统、电子设备及存储介质，基于电池机理模型，采用仿真软件对电池进行充放电仿真，得到充放电仿真曲线；以电池的仿真开路电压和实际开路电压的均方根误差最小为目标，采用迭代的方法对电池机理模型的参数进行初次辨识；将初次辨识得到的初次解作为电池机理模型的初始值，以电池的充放电仿真电压与实际充放电电压的均方根误差最小为目标，采用迭代的方法对电池机理模型的参数进行再次辨识，得到参数的最优解；参数包括：电池电流、交换电流密度、正电极体积分数和正电极初始浓度。本发明能提高电池机理模型的参数辨识的准确性，缩小电池仿真结果与真实电池的差异性，以便于电池的设计。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的电池参数辨识方法的流程图；
图2为本发明实施例提供的小倍率充放电优化结果示意图；
图3为本发明实施例提供的电池参数辨识系统的结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例提供的电池参数辨识方法的流程图。参见图1，所述方法，包括：
步骤101：获取电池的仿真开路电压。
步骤102：搭建电池机理模型。所述电池机理模型可以为锂离子电池P2D模型，其表达式为：
Ucell＝Uocv(SOC|x＝1,T)+UIR+Uact (1)
Figure BDA0003905154320000051
Figure BDA0003905154320000052
Figure BDA0003905154320000053
其中，Qcell,0＝W*H*L_pos*C_pos*epss_pos*F_const，W、H、L_pos分别为电池长度、高度和正极宽度，C_pos为电池正电极初始浓度，epss_pos为电池正电极体积分数，F_const为法拉第常数，Ucell为电池电压，Uocv为电池平衡电压，UIR为电池欧姆电压，Uact为过电势，UIR,1C为1C倍率下欧姆电压，Icell为电池电流，I1C为标准1C倍率时电池电流，R为气体常数，T为电池温度，J0为交换电流密度，τ为浓度扩散时间，t表示时间，
Figure BDA0003905154320000054
表示梯度算子，
Figure BDA0003905154320000055
Csurf为电极表面锂离子浓度，Cmax为电极最大锂离子浓度。Uocv(soc|x＝1,T)为T温度下，SOC的自变量x＝1时对应的电池平衡电压值。
Figure BDA0003905154320000056
为x＝0时SOC的变化值，
Figure BDA0003905154320000057
为x＝1时SOC的变化值，SOC|t＝0表示时间t＝0时SOC的值，SOC表示电池的荷电状态，
Figure BDA0003905154320000058
为SOC的变化值，SOCcell,0表示电池初始荷电状态，Qcell,0为电池初始容量。
步骤103：基于所述电池机理模型，采用仿真软件对电池进行充放电仿真，得到充放电仿真曲线；所述充放电仿真曲线表示所述电池的充放电仿真电压随时间的变化关系。所述电池可以采用锂离子电池；所述仿真软件可以采用comsol软件。
步骤104：以所述电池的仿真开路电压和实际开路电压的均方根误差最小为目标，采用迭代的方法对所述电池机理模型的参数进行初次辨识，得到所述参数的初次解。
所述参数包括：电池电流、交换电流密度、正电极体积分数和正电极初始浓度。
步骤105：将所述初次解作为所述电池机理模型的初始值，以所述电池的充放电仿真电压与实际充放电电压的均方根误差最小为目标，采用迭代的方法对所述电池机理模型的参数进行再次辨识，得到所述参数的最优解。
所述参数包括：电池电流、交换电流密度、电池容量和浓度扩散时间。
其中，电池的充放电仿真电压与实际充放电电压的均方根误差的计算公式为：
Figure BDA0003905154320000061
其中，S表示充放电仿真电压与实际充放电电压的均方根误差；n表示选取的时间段内充放电电压的采样个数；Ucell(i)表示第i个实际充放电电压，Uout(i)表示第i个充放电仿真电压。电池的仿真开路电压和实际开路电压的均方根误差的计算公式与上述计算公式类似，在此不再赘述。
以锂离子电池为例，对上述电池参数辨识在实际应用中的一个具体实现方式进行说明，并对该方法的有效性进行了验证，具体过程为：
步骤A、搭建锂离子电池机理模型，基于该模型，利用锂离子电池原始仿真参数和仿真软件对锂离子电池进行充放电仿真，然后利用计算软件对充放电仿真曲线进行参数辨识。原始仿真参数包括锂离子电池电流密度、扩散系数、电极容量、电池容量和孔隙率等。
其中，在模型搭建软件的参数表中输入经验参数，搭建锂离子电池机理仿真模型。
其中，采用锂离子电池P2D模型对电池输出特性进行仿真，该模型需要辨识的参数主要有电池电流、交换电流密度、正电极体积分数和正电极初始浓度。
步骤B、根据锂离子电池原始仿真参数，在comsol软件中对电池充放电曲线仿真，得到把锂电池仿真数据(充放电仿真曲线)。
步骤C、把锂离子电池的仿真开路电压导入计算软件的优化模块中。以锂离子电池的仿真开路电压和实际开路电压的均方根误差最小为目标，通过在线动态迭代调整待辨识的参数，得到所述参数的初次解，完成初次辨识。参数的初次解即初次辨识时迭代过程中均方根误差最小时对应的电池机理模型中的参数值。初次解包括：初次的电池电流、初次的交换电流密度、初次的正电极体积分数和初次的正电极初始浓度。
步骤D、把锂电池仿真数据(充放电仿真曲线)导入计算软件的优化模块中。将所述初次解作为所述电池机理模型的初始值，以锂离子电池的充放电仿真电压与锂离子电池的实际充放电电压的均方根误差最小值作为优化目标，通过在线动态迭代再次调整待辨识的参数，得到电池机理模型的参数的最优解，完成优化过程。参数的最优解即再次辨识时迭代过程中均方根误差最小时对应的电池机理模型中的参数值。最优解包括：最优的电池电流值、最优的交换电流密度值、最优的电池容量值和最优的浓度扩散时间值。
步骤E：在步骤D得到最优解的基础上，将得到的电池机理模型的最优的参数值，代入到comsol仿真软件的参数表中进行仿真。
步骤F、验证仿真结果与电池的实际充放电电压曲线的准确性。小倍率充放电优化结果如图2所示，其中，直线表示实际放电曲线，虚线表示仿真放电曲线。
本实施例的方法，解决了锂离子电池机理仿真模型与实际电池电压差异性的问题，便于设计电池。
本发明还提供了一种电池参数辨识系统，图3为本发明实施例提供的电池参数辨识系统的结构图，参见图3，所述系统，包括：
仿真开路电压获取模块301，用于获取电池的仿真开路电压。
模型搭建模块302，用于搭建电池机理模型。
充放电仿真模块303，用于基于所述电池机理模型，采用仿真软件对电池进行充放电仿真，得到充放电仿真曲线；所述充放电仿真曲线表示所述电池的充放电仿真电压随时间的变化关系。
第一辨识模块304，用于以所述电池的仿真开路电压和实际开路电压的均方根误差最小为目标，采用迭代的方法对所述电池机理模型的参数进行初次辨识，得到所述参数的初次解；所述参数包括：电池电流、交换电流密度、正电极体积分数和正电极初始浓度；
第二辨识模块305，用于将所述初次解作为所述电池机理模型的初始值，以所述电池的充放电仿真电压与实际充放电电压的均方根误差最小为目标，采用迭代的方法对所述电池机理模型的参数进行再次辨识，得到所述参数的最优解。
其中，所述模型搭建模块302中的所述电池机理模型为锂离子电池P2D模型。
所述充放电仿真模块303中所述仿真软件为comsol软件。
所述第二辨识模块305中所述电池的充放电仿真电压与实际充放电电压的均方根误差的计算公式为：
Figure BDA0003905154320000081
其中，S表示充放电仿真电压与实际充放电电压的均方根误差；n表示选取的时间段内充放电电压的采样个数；Ucell(i)表示第i个实际充放电电压，Uout(i)表示第i个充放电仿真电压。
本发明还提供了一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述实施例的方法。
本发明还提供了一种计算机存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现上述实施例的方法。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种电池参数辨识方法，其特征在于，包括：
获取电池的仿真开路电压；
搭建电池机理模型；
基于所述电池机理模型，采用仿真软件对电池进行充放电仿真，得到充放电仿真曲线；所述充放电仿真曲线表示所述电池的充放电仿真电压随时间的变化关系；
以所述电池的仿真开路电压和实际开路电压的均方根误差最小为目标，采用迭代的方法对所述电池机理模型的参数进行初次辨识，得到所述参数的初次解；所述参数包括：电池电流、交换电流密度、正电极体积分数和正电极初始浓度；
将所述初次解作为所述电池机理模型的初始值，以所述电池的充放电仿真电压与实际充放电电压的均方根误差最小为目标，采用迭代的方法对所述电池机理模型的参数进行再次辨识，得到所述参数的最优解。
2.根据权利要求1所述的一种电池参数辨识方法，其特征在于，所述电池机理模型为锂离子电池P2D模型。
3.根据权利要求1所述的一种电池参数辨识方法，其特征在于，所述仿真软件为comsol软件。
4.根据权利要求1所述的一种电池参数辨识方法，其特征在于，所述电池的充放电仿真电压与实际充放电电压的均方根误差的计算公式为：
Figure FDA0003905154310000011
其中，S表示充放电仿真电压与实际充放电电压的均方根误差；n表示选取的时间段内充放电电压的采样个数；Ucell(i)表示第i个实际充放电电压，Uout(i)表示第i个充放电仿真电压。
5.一种电池参数辨识系统，其特征在于，包括：
仿真开路电压获取模块，用于获取电池的仿真开路电压；
模型搭建模块，用于搭建电池机理模型；
充放电仿真模块，用于基于所述电池机理模型，采用仿真软件对电池进行充放电仿真，得到充放电仿真曲线；所述充放电仿真曲线表示所述电池的充放电仿真电压随时间的变化关系；
第一辨识模块，用于以所述电池的仿真开路电压和实际开路电压的均方根误差最小为目标，采用迭代的方法对所述电池机理模型的参数进行初次辨识，得到所述参数的初次解；所述参数包括：电池电流、交换电流密度、正电极体积分数和正电极初始浓度；
第二辨识模块，用于将所述初次解作为所述电池机理模型的初始值，以所述电池的充放电仿真电压与实际充放电电压的均方根误差最小为目标，采用迭代的方法对所述电池机理模型的参数进行再次辨识，得到所述参数的最优解。
6.根据权利要求5所述的一种电池参数辨识系统，其特征在于，所述模型搭建模块中的所述电池机理模型为锂离子电池P2D模型。
7.根据权利要求5所述的一种电池参数辨识系统，其特征在于，所述充放电仿真模块中所述仿真软件为comsol软件。
8.根据权利要求5所述的一种电池参数辨识系统，其特征在于，所述第二辨识模块中所述电池的充放电仿真电压与实际充放电电压的均方根误差的计算公式为：
Figure FDA0003905154310000021
其中，S表示充放电仿真电压与实际充放电电压的均方根误差；n表示选取的时间段内充放电电压的采样个数；Ucell(i)表示第i个实际充放电电压，Uout(i)表示第i个充放电仿真电压。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至4中任意一项所述的方法。
10.一种计算机存储介质，其特征在于，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至4中任意一项所述的方法。
CN202211304289.7A 2022-10-24 2022-10-24 一种电池参数辨识方法、系统、电子设备及存储介质 Pending CN115598539A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211304289.7A CN115598539A (zh) 2022-10-24 2022-10-24 一种电池参数辨识方法、系统、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211304289.7A CN115598539A (zh) 2022-10-24 2022-10-24 一种电池参数辨识方法、系统、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN115598539A true CN115598539A (zh) 2023-01-13

Family

ID=84848494

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211304289.7A Pending CN115598539A (zh) 2022-10-24 2022-10-24 一种电池参数辨识方法、系统、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN115598539A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116542118A (zh) * 2023-06-08 2023-08-04 上海玫克生储能科技有限公司 热耦合电化学模型的电化学参数辨识系统及方法
CN116819341A (zh) * 2023-07-04 2023-09-29 上海玫克生储能科技有限公司 一种锂电池加速参数辨识方法、系统及电子设备

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116542118A (zh) * 2023-06-08 2023-08-04 上海玫克生储能科技有限公司 热耦合电化学模型的电化学参数辨识系统及方法
CN116542118B (zh) * 2023-06-08 2023-12-12 上海玫克生储能科技有限公司 热耦合电化学模型的电化学参数辨识系统及方法
CN116819341A (zh) * 2023-07-04 2023-09-29 上海玫克生储能科技有限公司 一种锂电池加速参数辨识方法、系统及电子设备

Similar Documents

Publication Publication Date Title
CN107785624B (zh) 一种评估锂电池性能的方法
Fan et al. A reduced-order electrochemical model of li-ion batteries for control and estimation applications
CN115598539A (zh) 一种电池参数辨识方法、系统、电子设备及存储介质
CN105912799B (zh) 一种液态或半液态金属电池的建模方法
CN110146816B (zh) 电池剩余充电时间的确定方法、装置、设备及存储介质
CN103197251B (zh) 一种动力锂电池二阶rc等效模型的辨识方法
Guo et al. SoC estimation of lithium battery based on AEKF algorithm
CN111062137B (zh) 一种锂离子电池性能预测模型及其构建方法和应用
CN106250576A (zh) 一种基于动态阻抗的锂电池模型的建模方法
CN105866700B (zh) 一种锂离子电池快速筛选的方法
CN108037456A (zh) 一种锂离子电池热分析方法
CN105954679A (zh) 一种锂电池荷电状态的在线估计方法
KR102646875B1 (ko) 모의전지 구축 방법 및 모의전지 구축 장치
WO2023274194A1 (zh) 一种适用于富锂锰基电池的高阶模型参数辨识方法和系统
CN115453377B (zh) 基于电化学-热-老化与三维降阶的电池组寿命预测方法
US20210325467A1 (en) Method and system for identifying third-order model parameters of lithium battery based on likelihood function
CN103424712A (zh) 基于粒子群优化的电池剩余容量在线测量方法
CN112083336A (zh) 一种锂离子电池组电化学模型参数获取方法
Shen et al. Nonlinear optimization strategy for state of power estimation of lithium-ion batteries: A systematical uncertainty analysis of key impact parameters
CN113515860B (zh) 一种锂离子电池组运行状态的数值模拟方法及系统
Wang et al. Parameter sensitivity analysis and parameter identifiability analysis of electrochemical model under wide discharge rate
Achaibou et al. Optimal parameters identification strategy of a lead acid battery model for photovoltaic applications
Tekin et al. Comparative analysis of equivalent circuit battery models for electric vehicle battery management systems
Han et al. Modeling for lithium-ion battery used in electric vehicles
CN116125291A (zh) 基于ocv曲线分段的电池能量状态估计方法及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination